
- •Министерство образования российской федерации
- •Московский международный институт эконометрики, информатики, финансов и права
- •И.Н. Мастяева о.Н. Семенихина
- •Численные методы
- •Учебное пособие
- •Москва 2004
- •Содержание:
- •1. Погрешность результата численного решения задачи
- •1.1. Источники и классификация погрешностей.
- •1.2. Точные и приближенные числа. Правила округления чисел
- •1.3. Математические характеристики точности приближенных чисел
- •1.4. Число верных знаков приближенного числа. Связь абсолютной и относительной погрешности с числом верных знаков. Правила подсчета числа верных знаков
- •5423,47 6 Значащих цифр,
- •0,0000605 3 Значащие цифры,
- •0,060500 5 Значащих цифр.
- •1.5. Общая формула теории погрешностей (погрешность вычисления значения функции)
- •1.6. Погрешность арифметических действий
- •1.7. Обратная задача теории погрешностей
- •2. Численные методы решения нелинейных уравнений
- •2.1. Отделение корней
- •2.2. Метод половинного деления
- •2.3. Метод хорд (секущих)
- •2.4. Метод касательных (метод Ньютона)
- •2.5. Метод итераций
- •3. Численные методы линейной алгебры
- •3.1. Метод Гаусса
- •З.2. Метод прогонки
- •3.3. Норма вектора и норма матрицы
- •3.4. Метод простой итерации
- •3.5. Частичная проблема собственных значений
- •Интерполирование.
- •4.1. Интерполяционный полином, его существование и единственность. Остаточный член.
- •4.2. Интерполяционный полином Лагранжа.
- •4.3. Разделенные разности и их свойства.
- •4.4. Интерполяционный полином Ньютона с разделенными разностями
- •4.5. Конечные разности и их свойства
- •4.6. Интерполяционные формулы Ньютона
- •4.7. Интерполяционные полиномы с центральными разностями
- •4.8.Обратное интерполирование
- •4.9. Численное дифференцирование
- •5. Интерполирование с кратными узлами и сплайны
- •5.1. Разделенные разности с повторяющимися (кратными) узлами
- •5.2. Интерполяционный полином Эрмита
- •5.3. Интерполирование сплайнами
- •6. Численное интегрирование
- •6.1. Формула прямоугольников
- •6.2. Формула трапеций
- •6.3. Формула Симпсона
- •6.4. Правило Рунге практической оценки погрешности квадратурных формул. Уточнение приближенного значения интеграла по Ричардсону
- •7. Численные методы решения дифференциальных уравнений
- •7.1. Метод Рунге-Кутта
- •7.2. Разностный метод решения краевой задачи
- •Список литературы
-
Интерполирование.
Задача приближения (аппроксимации) функций возникает и как самостоятельная, и при решении многих других задач. Простейшая ситуация, приводящая к приближению функций, заключается в следующем. При некоторых значениях аргумента х0, х1,…хn, называемых узлами, заданы значения функции yi=f(xi), i=0,1...,n. Требуется восстановить значения функции при других x. Подобная же задача возникает при многократном вычислении на ЭВМ одной и той же сложной функции в различных точках. Вместо этого часто бывает целесообразно вычислять значения этой функции в небольшом числе характерных точек xi, а в остальных точках вычислять ее значения по некоторому более простому правилу, используя информацию об уже известных значениях yi.
Другими
распространенными примерами приближения
функций являются задачи определения
производной f'(x)
и интеграла
по заданным значениям yi.
Классический
подход к решению подобных задач
заключается в том, чтобы, используя
имеющуюся информацию о функции f(x),
рассмотреть другую функцию
,
близкую к f(x),
позволяющую выполнить над ней
соответствующую операцию и получить
оценку погрешности такой «аналитической
замены».
При
выборе класса, к которому принадлежит
аппроксимирующая функция
,
следует руководствоваться тем, что
,
с одной стороны, должна отражать
характерные особенности аппроксимируемой
функции f(x),
с другой стороны, быть достаточно удобной
в обращении.
Вопрос
о близости аппроксимируемой и
аппроксимирующей функций решается
по-разному. Если параметры, от которых
зависит функция
,
определяются из условия совпадения
значений функций f(x)
и
в узлах, то такой способ аппроксимации
называется интерполированием
(интерполяцией).
Наличие большого количества различных способов приближения объясняется многообразием различных постановок задачи. Далее мы рассмотрим лишь один раздел теории приближения – интерполирование многочленами. Аппарат интерполирования многочленами является важнейшим аппаратом численного анализа. На его основе строится большинство численных методов решения других задач.
4.1. Интерполяционный полином, его существование и единственность. Остаточный член.
Будем строить аппроксимирующую функцию в виде
. (4.1)
Коэффициенты
определим из условий
. (4.2)
Распишем подробно эти условия:
.
……………..
.
Определитель этой системы
может быть получен из определителя Вандермонда
транспонированием матрицы и последующей перестановкой ее строк, т.е. будет отличаться от определителя Вандермонда лишь знаком.
Последний,
как известно, равен
[8], т.е. отличен от нуля, если узлы
интерполирования xi
различны.
Следовательно, коэффициенты
интерполяционного полинома (4.1) всегда
могут быть определены, и при том
единственным образом. Таким образом,
доказано существование и единственность
интерполяционного полинома (4.1).
Оценим остаточный член интерполирования
, (4.3)
где x* – точка, в которой значение функции вычисляется с помощью интерполяционного полинома.
Предположим,
что узлы упорядочены:
и
непрерывна на [a,
b],
.
Введем вспомогательную функцию
, (4.4)
где
константа
выбирается так, чтобы
,
отсюда
. (4.5)
При
таком выборе
функция f(x)
обращается в нуль в (п+2)
точках
.
На основании теоремы Ролля ее производная
F'(x)
обращается в нуль, по крайней мере, в
(п+1)-й
точке. Применяя теорему Ролля к F'(x),
получаем, что ее производная F''(x)
обращается
в нуль по крайней мере в п
точках. Продолжая эти рассуждения
дальше, получаем, что
обращается в нуль по крайней мере в
одной точке ,
принадлежащей отрезку [a,
b].
Поскольку
,
из
условия
будем иметь
. (4.6)
Приравнивая правые части (4.5) и (4.6), получим представление остаточного члена в точке x*
,
(4.7)
где
.
Остаточная
абсолютная погрешность интерполирования
в точке
может быть оценена как
, (4.8)
где
.
Так
как точка
– произвольная точка отрезка [a,
b],
выражение (4.7) остаточного члена
справедливо для любой точки
.
Найдем оценку остаточной погрешности
интерполирования на всем отрезке
[a,
b]:
,
где
.
Оценить
при произвольном расположении узлов
интерполяции сложно. Если же узлы
расположены на одинаковом расстоянии
h
друг от друга., то
имеет примерно такой вид, как показано
на рисунке 4.1. для п
= 5 [3].
Рис. 4.1.
Вблизи
центрального узла интерполяции экстремумы
невелики, вблизи крайних узлов –
несколько больше, а если Х выходит за
крайние узлы интерполяции, то
быстро возрастает. Термин «интерполяция»
в узком смысле употребляют, если x
заключен между крайними узлами; если
же он выходит из этих пределов, то говорят
об экстраполяции. Очевидно, что при
экстраполяции далеко за крайним узлом
ошибка может быть велика, поэтому
экстраполяция малонадежна.